WildPPG

WildPPG是一个真实世界的PPG（光电容积脉搏波）数据集，包含长时间连续记录的数据。该数据集用于研究心率检测和其他相关应用。

WildPPG is a real-world PPG (Photoplethysmography) dataset that encompasses data acquired through long-duration continuous recordings. This dataset is intended for research on heart rate detection and other related applications.

原始信息汇总

WildPPG: A Real-World PPG Dataset of Long Continuous Recordings

数据集概述

WildPPG 是一个包含长时间连续记录的真实世界光电容积脉搏波（PPG）数据集。该数据集由 ETH Zürich 的 Sensing, Interaction & Perception Lab 发布，适用于 NeurIPS 2024 会议。

数据集下载

数据集可通过以下链接下载：https://polybox.ethz.ch/index.php/s/NWTuyNojU7aya1y

数据格式

数据集以 .mat 文件格式存储，代表不同的参与者。可以使用 MATLAB 加载这些文件。

使用 Python 加载数据

可以使用 scipy.io.loadmat 函数加载数据。src/heuristic_baselines/ppg_beats_analyzer.py 中的 load_wildppg_participant(path) 函数可以用于加载和清理数据，生成与原始 .mat 文件结构相同的嵌套字典结构。

数据集结构

数据集的文件结构如下图所示：

基线计算

启发式基线

1. 将仓库添加到 MATLAB 路径中。
2. 执行 src/heuristic_baselines/WildPPG_heuristic_baselines.m，生成包含各种方法计算的 PPG 心跳位置的临时处理文件。
3. 运行 python src/heuristic_baselines/ppg_beats_analyzer.py，将比较推导出的心率与基于 ECG 的地面真值，生成包含各种结果度量的 pandas 数据框，并将其导出为 .csv 文件。

监督基线

1. 执行 python src/supervised_baselines/data_preprocessing.py，生成数据文件 WildPPG.mat，作为监督基线的输入数据文件。
2. 在数据预处理后，运行 python main_supervised_baseline.py --dataset alt --backbone resnet --block 8 --stride 2 --lr 5e-4 --batch_size 128 --n_epoch 999 --cuda 0，结果将以打印输出形式报告。

引用

如果使用该数据集、论文或代码，请引用以下内容：

@inproceedings{meier2024wildppg, title={WildPPG: A Real-World PPG Dataset of Long Continuous Recordings}, author={Meier, Manuel and Demirel, Berken Utku and Holz, Christian}, booktitle={The Thirty-eight Conference on Neural Information Processing Systems Datasets and Benchmarks Track}, year={2024}, }

许可证

• 所有数据均在 CC BY-NC-SA 4.0 许可证下发布。
• WildPPG 代码在 GNU General Public License version 3 (GPL-3.0) 下发布。
• 部分基准计算代码在不同的许可证下发布，请参阅 license file 获取更多详细信息。

搜集汇总

数据集介绍

构建方式

WildPPG数据集的构建基于对真实世界中长时间连续记录的光电容积脉搏波（PPG）信号的采集。该数据集通过收集多个参与者的PPG信号，并将其存储为.mat格式的Matlab文件，确保了数据的结构化和可访问性。每个参与者的数据被单独存储，便于后续分析和处理。

使用方法

使用WildPPG数据集时，用户可以通过Python的scipy.io.loadmat函数加载.mat文件，或使用提供的load_wildppg_participant函数进行数据清洗和结构化处理。数据集支持多种基准计算，包括启发式和监督式学习方法，用户可以通过执行相应的Python脚本进行数据预处理和模型训练，结果将以CSV文件和打印输出的形式呈现。

背景与挑战

背景概述

WildPPG数据集是由瑞士苏黎世联邦理工学院（ETH Zürich）的Sensing, Interaction & Perception Lab实验室于2024年创建的，主要研究人员包括Manuel Meier、Berken Utku Demirel和Christian Holz。该数据集专注于提供长时间连续记录的实际环境下的光电容积描记（PPG）信号，旨在推动PPG信号在健康监测和生物医学领域的应用。通过提供高质量的PPG数据，WildPPG数据集为研究人员提供了一个评估和开发新型PPG信号处理算法的基准，特别是在复杂环境下的心率检测和分析方面。该数据集的发布对提升PPG信号的实际应用能力具有重要意义，尤其是在非实验室环境中的信号采集与处理。

当前挑战

WildPPG数据集在构建过程中面临了多项挑战。首先，长时间连续记录的PPG信号在实际环境中容易受到噪声和运动伪影的干扰，导致信号质量下降。其次，数据集的构建需要与ECG（心电图）信号进行精确对齐，以提供可靠的地面真实数据，这增加了数据处理的复杂性。此外，如何在不同身体部位和不同参与者之间保持一致性和可比性，也是数据集构建中的一个重要挑战。在应用层面，如何利用该数据集开发出能够在复杂环境下稳定运行的PPG信号处理算法，仍然是一个亟待解决的问题。

常用场景

经典使用场景

WildPPG数据集在心率监测与生理信号分析领域展现出卓越的应用潜力。其经典使用场景包括通过光电容积描记（PPG）信号进行长时间连续心率监测，尤其是在真实世界环境中的应用。该数据集提供了多参与者、多身体部位的PPG信号记录，结合了ECG作为基准真值，使得研究者能够开发和验证基于PPG的心率估计算法，特别是在复杂环境下的鲁棒性评估。

解决学术问题

WildPPG数据集有效解决了在真实世界环境中长时间连续心率监测的学术挑战。传统PPG信号分析往往局限于实验室环境，难以应对复杂环境中的噪声和信号衰减问题。该数据集通过提供长时间、多场景的PPG信号记录，为研究者提供了评估和改进算法鲁棒性的宝贵资源，推动了PPG技术在实际应用中的可行性和准确性研究。

实际应用

在实际应用中，WildPPG数据集为可穿戴设备和远程健康监测系统的设计与优化提供了重要支持。例如，智能手表和健康追踪器可以通过该数据集验证其在不同活动状态下的心率监测准确性。此外，该数据集还可用于开发个性化健康管理方案，通过分析用户的PPG信号变化，提供实时的健康预警和建议，从而提升用户体验和健康管理效率。

数据集最近研究

最新研究方向

在生物医学信号处理领域，WildPPG数据集因其对长时间连续记录的PPG信号的全面采集而备受瞩目。该数据集不仅为研究人员提供了丰富的生理信号数据，还通过与ECG信号的对比，为心率检测算法的评估提供了可靠的基准。当前，WildPPG数据集的研究方向主要集中在开发和验证新型PPG信号处理算法，特别是在复杂环境下的鲁棒性和准确性。此外，该数据集还推动了基于深度学习的PPG信号分析方法的发展，尤其是在非监督和半监督学习框架下的应用。这些研究不仅提升了PPG信号在健康监测中的应用潜力，也为个性化医疗和远程健康管理提供了新的技术支持。